Herramientas OLAP
Anuncio
Área Académica: Sistemas Computacionales Tema: Explotación de un Almacén de Datos: Herramientas OLAP Profesor: Mtro Felipe de Jesus Nuñez Cardenas Periodo:Agosto Noviembre 2011 Keywords Herramientas OLAP, OLTP. Tema: Explotación de un Almacen de Datos: Herramientas OLAP Abstract Datawarehouse are used by different OLAP tools, which help you get a better analysis of information from them reports we can generate. Keywords: Herramientas OLAP, OLTP Herramientas OLAP Las herramientas de OLAP presentan al usuario una visión multidimensional de los datos (esquema multidimensional) para cada actividad que es objeto de análisis. El usuario formula consultas a la herramienta OLAP seleccionando atributos de este esquema multidimensional sin conocer la estructura interna (esquema físico) del almacén de datos. La herramienta OLAP genera la correspondiente consulta y la envía al gestor de consultas del sistema (p.ej. mediante una sentencia SELECT). Herramientas OLAP una consulta a un almacén de datos consiste generalmente en la obtención de medidas sobre los hechos parametrizadas por atributos de las dimensiones y restringidas por condiciones impuestas sobre las dimensiones medida hecho ¿ “Importe total de las ventas durante este año de los productos del departamento Bebidas, por trimestre y por categoría” ?. Restricciones: productos del departamento Bebidas, ventas durante este año Parámetros de la consulta: por categoría de producto y por trimestre Herramientas OLAP “Bebidas” Marca Día de la semana Categoría Mes Departamento Día Nro_producto Año Tipo “2002” importe unidades Almacén “Importe total de ventas en este año, del departamento de “Bebidas”, por categoría y trimestre” Ciudad Tipo Región Trimestre Herramientas OLAP trimestre categoría importe Herramientas OLAP Categoría Trimestre Ventas Refrescos T1 2000000 Refrescos T2 1000000 Refrescos T3 3000000 Refrescos T4 2000000 Zumos T1 Zumos T2 Zumos T3 8000000 Zumos T4 2400000 Presentación tabular (relacional) de los datos seleccionados 1000000 1500000 Se asumen dos categorías en el departamento de Bebidas: Refrescos y Zumos. Herramientas OLAP trimestre categoría Refrescos Zumos T1 T2 T3 T4 2000000 1000000 3000000 2000000 1000000 1500000 Presentación matricial (multidimensional) de los datos seleccionados 8000000 2400000 Los parámetros de la consulta (“por trimestre” y “por categoría”) determinan los criterios de agrupación de los datos seleccionados (ventas de productos del departamento Bebidas durante este año). La agrupación se realiza sobre dos dimensiones (Producto, Tiempo). Herramientas OLAP • Lo interesante no es poder realizar consultas que, en cierto modo, se pueden hacer con selecciones, proyecciones, concatenaciones y agrupamientos tradicionales. • Lo realmente interesante de las herramientas OLAP son sus operadores de refinamiento o manipulación de consultas. • DRILL • ROLL • SLICE & DICE • PIVOT Herramientas OLAP El carácter agregado de las consultas en el Análisis de Datos, aconseja la definición de nuevos operadores que faciliten la agregación (consolidación) y la disgregación (división) de los datos: agregación (roll): permite eliminar un criterio de agrupación en el análisis, agregando los grupos actuales. disgregación (drill): permite introducir un nuevo criterio de agrupación en el análisis, disgregando los grupos actuales. Herramientas OLAP Si se desea introducir la dimensión Almacén en el análisis anterior e incluir un nuevo criterio de agrupación sobre la ciudad del almacén: ¿ “Importe total de las ventas durante este año de los productos del departamento Bebidas, por trimestre, por categorías y por ciudad del almacén” ?. Restricciones: productos del departamento Bebidas, ventas durante este año Parámetros de la consulta: por categoría de producto, por trimestre y por ciudad del almacén. Herramientas OLAP “Bebidas” Marca Día de la semana Categoría Mes Departamento Día Nro_producto Año Tipo “2002” importe unidades Almacén “Importe total de ventas en este año, del departamento de “Bebidas”, por categoría, trimestre y ciudad” Ciudad Tipo Región Trimestre Herramientas OLAP trimestre categoría importe ¡ la operación de DRILL se realiza sobre el informe original ! Herramientas OLAP Categoría Refrescos Refrescos Trimestre Ventas T1 2000000 T2 1000000 Refrescos T3 3000000 Refrescos T4 2000000 Zumos T1 Zumos T2 Zumos T3 8000000 Zumos T4 2400000 1000000 1500000 Categoría Trimestre Ciudad Ventas Refrescos T1 Valencia 1000000 Refrescos León 1000000 Refrescos T1 T2 Valencia 400000 Refrescos T2 León 700000 Cada grupo (categoría-trimestre) de la consulta original se disgrega en dos nuevos grupos (categoría-trimestreciudad) para las ciudades de León y Valencia. * Se asumen dos ciudades: Valencia y León. Zumos Herramientas OLAP 300000 500000 200000 2000000 1000000 400000 100000 500000 T3 T4 Presentación matricial de los datos seleccionados. Herramientas OLAP Si se desea eliminar el criterio de agrupación sobre la dimensión Tiempo en la consulta original: ¿ “Importe total de las ventas durante este año de los productos del departamento Bebidas, por categorías” ? Herramientas OLAP “Bebidas” Marca Día de la semana Categoría Mes Departamento Día Nro_producto Año Tipo “2002” importe unidades Almacén “Importe total de ventas en este año, del departamento de “Bebidas”, por categorías” Ciudad Tipo Región Trimestre Herramientas OLAP trimestre categoría importe ¡ la operación de ROLL se realiza sobre el informe original ! Herramientas OLAP Categoría Trimestre Ventas Refrescos T1 2000000 Refrescos T2 1000000 Refrescos T3 3000000 Refrescos T4 2000000 Zumos T1 Zumos T2 Zumos T3 8000000 Zumos T4 2400000 1000000 1500000 Categoría Ventas Refrescos 8000000 Zumos 12900000 Herramientas OLAP Las operaciones de agregación (DRILL) y disgregación (ROLL) se pueden hacer sobre: atributos de una dimensión sobre los que se ha definido una jerarquía: DRILL-DOWN, ROLL-UP departamento – categoría - producto (Producto) año - trimestre – mes - día (Tiempo) sobre dimensiones independientes: DRILL-ACROSS, ROLL-ACROSS Producto – Almacén -Tiempo Herramientas OLAP trimestre categoría importe ¡ la operación de DRILL se realiza sobre el informe original ! Herramientas OLAP Categoría Refrescos Trimestre Ventas T1 2000000 Refrescos T2 1000000 Refrescos T3 3000000 Refrescos T4 2000000 Zumos T1 Zumos T2 Zumos T3 8000000 Zumos T4 2400000 1000000 1500000 Categoría Trimestre Mes Refrescos T1 Enero 1000000 Refrescos T1 T1 Febrero 500000 Refrescos Marzo Ventas 500000 Cada grupo (categoría-trimestre) de la consulta original se disgrega en dos nuevos grupos (categoría-trimestre-mes). Herramientas OLAP Otras operaciones de OLAP: SLICE & DICE: seleccionar y proyectar datos en el informe. PIVOT: reorientación de las dimensiones en el informe. Herramientas OLAP Ventas Productos Q1 Electronics $5,2 $5,6 $1,9 $1,4 Toys $2,3 $2,6 Clothing Cosmetics $1,1 $1,1 Electronics $8,9 $7,2 $0,75 $0,4 Toys $4,6 $4,6 Clothing Cosmetics $1,5 $0,5 Electronics Toys Clothing Cosmetics Electronics Toys Clothing Cosmetics $5,2 $8,9 $1,9 $0,75 $2,3 $4,6 $1,1 $1,5 $5,6 $7,2 $1,4 $0,4 $2,6 $4,6 $1,1 $0,5 Store 1 Productos Store1 Store2 PIVOT Store 2 Q2 Q1 Ventas Q2 Herramientas OLAP Ventas Ventas Electronics $5,2 $5,6 $1,9 $1,4 Toys $2,3 $2,6 Clothing Cosmetics $1,1 $1,1 Electronics $8,9 $7,2 $0,75 $0,4 Toys $4,6 $4,6 Clothing Cosmetics $1,5 $0,5 Productos Store1 SLICE & DICE Q1 $5,2 $1,9 Electronics Toys Q2 Q2 Q1 Productos Store1 Store2 Electronics $8,9 $0,75 Toys Herramientas OLAP Las herramientas de OLAP se caracterizan* por: ofrecer una visión multidimensional de los datos (matricial). no imponer restricciones sobre el número de dimensiones. ofrecer simetría para las dimensiones. permitir definir de forma flexible (sin limitaciones) sobre las dimensiones: restricciones, agregaciones y jerarquías entre ellas. ofrecer operadores intuitivos de manipulación: drill-down, roll-up, slice-anddice, pivot. ser transparentes al tipo de tecnología que soporta el almacén de datos (ROLAP o MOLAP). *Subconjunto de las 12 reglas propuestas por E.F. Codd para A.D. Bibliografía • Hand, D.J.; Mannila, H. and Smyth, P. “Principles of Data Mining”, The MIT Press, 2000. • Hernández, J.; Ramírez, MJ.; Ferri, C. “Introducción a la Minería de Datos” Pearson Prentice Hall, 2004. • Kosala, R.; Blockeel, H. “Web Mining Research: A Survey” ACM SIGKDD Explorations, Newsletter of the ACM SIG on Knowledge Discovery and Data Mining, June 2000, Vol. 2, nº1, pp. 1-15. • Mena, Jesus “Data Mining Your Website”, Digital Press, July 1999. • Mitchell, T.M. “Machine Learning” McGraw-Hill 1997. • Pyle, D. “Data Preparation for Data Mining” Morgan Kaufmann, Harcourt Intl., 1999. • Thuraisingham, B. “Data Mining. Technologies, Techniques, Tools, and Trends”, CRC Press, 1999. • Witten, I.H.; Frank, E. “Tools for Data Mining”, Morgan Kaufmann, 1999. • Wong, P. C. “Visual Data Mining”, Special Issue of IEEE Computer Graphics and Applications, Sep/ Oct 1999, pp. 20- 46. • Material extraído del Análisis y Extracción de Conocimiento en Sistemas de Información:Datawarehouse y Datamining de José Hernández Orallo, Universidad Politécnica de Valencia
